招聘搜索引擎实战：Elasticsearch 接入与索引设计

我会按「安装 → 客户端配置 → 索引设计 → 接口对接」这条线，把关键步骤和容易翻车的地方都写出来。

2. 第一步：把 ES 装起来

ES 安装方式很多，官网、Docker、社区镜像都可以。我的建议是：

开发环境用 Docker 一键拉起，生产环境走官网下载。

2.1 下载地址

2.2 版本对齐（重点踩坑项）

ES 和 IK 分词器的版本必须严格一致。比如你选的 ES 是 7.17.x，那 IK 也必须下载对应的 7.17.x 版本。
版本对不上，分词器直接加载不了，索引创建就报错。

Docker 用户的快捷方式：

docker run -d \\
–name elasticsearch \\
-p 9200:9200 -p 9300:9300 \\
-e "discovery.type=single-node" \\
elasticsearch:7.17.9

装好之后浏览器访问 http://localhost:9200，返回 JSON 就说明 ES 跑起来了。

3. 第二步：Python 客户端配置

我们项目用的是 Python + FastAPI，所以直接上 elasticsearch-py 的异步客户端。

3.1 依赖安装

pip install elasticsearch[async]

3.2 单例客户端封装

为了避免每次请求都新建连接，我这里做了一个应用级单例，配合 FastAPI 的生命周期管理：

from elasticsearch import AsyncElasticsearch
import os
from app.core.logging import logger

ES_HOST = os.getenv("ES_HOST", "http://localhost:9200")

es_client: AsyncElasticsearch | None = None

async def get_es_client() –> AsyncElasticsearch:
"""获取 ES 异步客户端单例"""
global es_client
if es_client is None:
es_client = AsyncElasticsearch(ES_HOST)
logger.info("ES 客户端初始化成功")
return es_client

async def close_es_client():
"""关闭 ES 客户端连接"""
global es_client
if es_client is not None:
await es_client.close()
es_client = None

几个设计要点：

• 全局变量做单例容器：es_client 在模块级定义，整个应用生命周期只有一份。
• 懒初始化：第一次调用 get_es_client() 时才建连，不是 import 就连。
• 显式关闭：close_es_client() 在应用 shutdown 时调用，防止连接泄漏。

4. 第三步：设计索引 Mapping

这一步是核心。mapping 设计得好不好，直接决定后续搜索的效率和灵活性。

4.1 先看整体结构

settings = {
"number_of_shards": 1,
"number_of_replicas": 0,
}

mappings = {
"properties": {
# ———- 职位相关 ———-
"job_id": {"type": "long"},
"job_name": {"type": "text", "analyzer": "ik_max_word"},
"department_id": {"type": "integer"},
"work_location": {"type": "keyword"},
"min_salary": {"type": "keyword"},
"max_salary": {"type": "keyword"},
"salary_times": {"type": "keyword"},
"edu_require": {"type": "keyword"},
"exp_require": {"type": "keyword"},
"gender_require": {"type": "keyword"},
"recruit_num": {"type": "keyword"},
"job_tags": {"type": "keyword"},
"job_desc": {"type": "text", "analyzer": "ik_max_word"},
"duty_require": {"type": "text", "analyzer": "ik_max_word"},
"status": {"type": "integer"},
"publish_time": {"type": "date"},
"enterprise_id": {"type": "long"},
"recruit_team_id": {"type": "long"},

# ———- 企业基本信息 ———-
"enterprise_name": {"type": "text", "analyzer": "ik_max_word"},
"enterprise_code": {"type": "keyword"},
"enterprise_city_id": {"type": "long"},
"enterprise_city_name": {"type": "keyword"},
"enterprise_account_status": {"type": "integer"},
"enterprise_create_time": {"type": "date"},
"enterprise_auth_time": {"type": "date"},
"enterprise_auth_type": {"type": "integer"},
"enterprise_risk_level": {"type": "integer"},
"enterprise_blacklist_status": {"type": "integer"},
"enterprise_complaint_count": {"type": "integer"},
"enterprise_company_website": {"type": "keyword"},
"enterprise_email": {"type": "keyword"},
"enterprise_audit_type": {"type": "integer"},
"enterprise_submit_time": {"type": "date"},

# ———- 企业详细信息 ———-
"enterpriseInfo_unified_social_credit_code": {"type": "keyword"},
"enterpriseInfo_legal_representative": {"type": "keyword"},
"enterpriseInfo_registered_capital": {"type": "keyword"},
"enterpriseInfo_establish_date": {"type": "date"},
"enterpriseInfo_register_status": {"type": "integer"},
"enterpriseInfo_company_scale": {"type": "integer"},
"enterpriseInfo_financing_stage": {"type": "integer"},
"enterpriseInfo_headquarters_address": {"type": "keyword"},
"enterpriseInfo_business_scope": {
"type": "text",
"analyzer": "ik_max_word",
},

# ———- 行业 ———-
"industry_id": {"type": "long"},
"industry_name": {"type": "text", "analyzer": "ik_max_word"},
}
}

4.2 mapping 设计思路

看完上面这一长串，你可能想问：为什么有些字段用 text + ik_max_word，有些用 keyword？

规则其实很简单，用一张表总结：

一个容易翻车的点是 recruit_num。

旧版设计我用了数值类型，结果有些招聘信息里写的是「若干」「不限」，直接写不进去。
所以这次改成了 keyword，和模型里的 CharField 对齐。

5. 第四步：创建索引接口

有了 mapping，接下来就是通过 FastAPI 接口把索引建起来。

@es_data_router.post("/create-index-v2", summary="创建索引(优化版)")
async def create_index_v2(es_client: AsyncElasticsearch = Depends(es_client_depend)):

settings = {
"number_of_shards": 1,
"number_of_replicas": 0,
}

mappings = {
"properties": {
# 字段定义（同上一节，这里省略）
}
}

# 已存在就不重复创建
if await es_client.indices.exists(index=BOSS_JOB_INDEX_NAME_V2):
return {
"code": 1,
"message": "索引已存在",
"data": {"index": BOSS_JOB_INDEX_NAME_V2},
}

await es_client.indices.create(
index=BOSS_JOB_INDEX_NAME_V2,
settings=settings,
mappings=mappings,
)

return {
"code": 1,
"message": "索引创建成功",
"data": {"index": BOSS_JOB_INDEX_NAME_V2},
}

5.1 和旧版接口的区别

这个 V2 版本相比旧的 /create-index，做了几处优化：

• 独立索引名 boss_job_index_v2，不会误覆盖旧索引。
• 补齐字段：enterpriseInfo_business_scope、城市相关字段之前漏了，这次补上。
• 枚举统一用 integer：company_scale / financing_stage / register_status 对齐 IntEnum。
• recruit_num 改成 keyword：原因前面说了，防「若干」这种非数字值翻车。

6. 小结

到这一步，ES 已经装好、客户端封好、索引也建好了。
如果你也在折腾 ES + FastAPI，希望这篇踩坑记录能省你一点时间。